生成式人工智能（Generative AI）使用与儿科康复中的社会不平等：土耳其言语语言障碍（Speech and Language Disorders, SLDs）患儿家长ChatGPT使用情况的横断面研究

《Frontiers in Public Health》：Generative AI use and social disparities in pediatric rehabilitation: a cross-sectional study of ChatGPT use among parents of children with speech and language disorders in Türkiye

　　

研究背景：生成式人工智能（Generative Artificial Intelligence, AI）工具如ChatGPT正日益被用于健康信息寻求。然而，关于生成式AI的采用如何呈现社会分层模式，尤其在儿科康复情境中，目前所知甚少。本研究旨在考察土耳其言语语言障碍（Speech and Language Disorders, SLDs）患儿家长中ChatGPT使用的流行率及社会人口学决定因素，并探讨其与正规言语语言治疗服务参与度之间的关联。研究方法：本横断面研究纳入204名通过2025年10月至11月期间在线家长网络招募的SLDs患儿家长。数据通过结构化问卷收集，评估社会人口学特征、治疗出勤频率以及针对SLD相关信息的ChatGPT使用情况。采用卡方（chi-square）检验分析双变量关联，并进行多变量logistic回归以识别ChatGPT使用的独立预测因素。研究结果：总体而言，28.4%的参与者报告使用ChatGPT寻求与其子女言语或语言障碍相关的信息。ChatGPT的使用与性别、年龄组和教育水平显著相关。在多变量分析中，男性性别（调整后比值比aOR=3.09；95%置信区间CI：1.36–7.02）和研究生教育（aOR=5.20；95% CI：1.56–17.27）与较高的ChatGPT使用几率独立相关，而本科教育未达到统计学显著性（aOR=1.55；95% CI：0.70–3.42；p=0.277）。与从未参加治疗者相比，每年多次参加治疗（aOR=4.01；95% CI：1.08–14.92）以及每月或每周参加治疗（aOR=2.75；95% CI：1.01–7.48）均与较高的ChatGPT使用几率相关。研究结论：SLDs患儿家长中生成式AI的使用相对普遍但存在社会分层。教育程度、性别和正规治疗服务参与度显著影响AI的采用。若不采取公平导向的策略和数字健康素养促进措施，生成式AI工具的扩散可能加剧儿科康复领域现有的信息不平等。

研究背景与核心问题

生成式人工智能（Generative AI）工具，特别是以ChatGPT为代表的大型语言模型（Large Language Models, LLMs），正迅速渗透全球健康信息生态系统。与传统网络搜索不同，这些系统能够生成对话式、上下文响应性的回答，日益成为患者及照护者非正式的健康指导来源。然而，这一技术转变的公共卫生影响尚不充分明确。现有研究表明，生成式AI在健康信息领域的使用并非均匀分布，而是受到用户数字技能、信任倾向及情境因素的塑造，但尚无研究考察AI采用与正规康复服务参与度之间的交集，这正是本研究拟直接填补的空白。

数字健康技术长期存在获取和使用上的不平等，即"数字鸿沟"（Digital Divide）。早期讨论聚焦于互联网基础设施的可及性，而当代学术强调"第二层级数字鸿沟"（Second-Level Digital Divide），即数字素养、信息评估能力等方面的差异。生成式AI可能代表数字鸿沟的新阶段，因其有效使用不仅需要技术接入，更要求用户具备解读、情境化和验证AI生成内容的能力。在儿科康复领域，言语语言障碍（SLDs）影响儿童认知、学业及心理社会发展，需要早期识别和持续治疗干预，但服务获取在各国社会经济及地理群体间分布不均。土耳其的言语语言病理学服务存在显著的城乡地理差异，农村及欠发达地区的家庭面临更大挑战。在此背景下，若AI工具被某些人口学群体不成比例地采用，或在专业服务有限的情境下被用作替代，可能加剧或重塑现有的康复参与不平等。

本研究以技术接受模型（Technology Acceptance Model, TAM）为理论框架。TAM认为，感知有用性（Perceived Usefulness, PU）和感知易用性（Perceived Ease of Use, PEOU）是驱动技术使用行为的核心构念。本研究将教育程度、年龄和性别作为TAM构念的社会人口学前置变量，同时纳入治疗出勤频率作为结构情境变量，以考察正规专业服务参与度是否影响家长对非正式AI信息来源的依赖。

主要技术方法

本研究为横断面设计，2025年10月至11月通过在线家长网络、社交媒体群组及专业沟通渠道招募204名土耳其SLDs患儿家长。纳入标准包括：为确诊SLDs儿童的父母或主要照护者、年满18周岁、具备足够的土耳其语能力完成问卷、提供知情同意。样本通过在线平台招募，可能过度代表数字参与度较高的家长群体。

数据收集采用研究者自行开发的22项结构化问卷，经三位言语语言治疗及听力学专家评审修订，并进行预试。问卷涵盖社会人口学特征、治疗出勤频率及ChatGPT用于SLD相关信息的使用情况。主要结局变量为自我报告的ChatGPT用于言语语言障碍相关信息寻求（是/否）。TAM相关感知采用非标准化工具评估，包括感知有用性（如快速获取信息、早期意识与指导、个性化建议）和感知易用性（如24/7可用性、低成本、为非复杂问题提供实用答案）的项目，采用二元认可格式。

统计分析采用IBM SPSS Statistics 25进行。描述性统计报告频数、百分比、均数及标准差。双变量关联采用卡方检验，多变量二元logistic回归识别ChatGPT使用的RIGHT独立预测因素，报告调整后比值比（aOR）及95%置信区间（CI），以Hosmer-Lemeshow拟合优度检验评估模型拟合，方差膨胀因子（VIF）评估多重共线性。

研究结果

ChatGPT使用流行率：204名参与者中，58名（28.4%）报告使用ChatGPT寻求与子女言语语言障碍相关的信息，146名（71.6%）未使用。

TAM基础感知：无论ChatGPT使用状态如何，ChatGPT用户对感知易用性（PEOU）相关项目的认可比例显著高于非用户（Mann-Whitney U=6273.5，p<0.001）；而感知有用性（PU）在用户与非用户间无显著差异（Mann-Whitney U=4378.5，p=0.637）。

双变量关联：ChatGPT使用与性别（p=0.003）、年龄组（p=0.027）、教育水平（p=0.006）显著相关。女性使用率为22.3%，男性为44.6%；18-24岁组使用率最高（60.0%）；高中及以下教育使用率为20.8%，本科31.7%，研究生55.0%。月收入（p=0.079）和治疗出勤频率（p=0.081）在双变量水平上未达显著，但治疗出勤频率呈现趋势：从未治疗者使用率16.7%，每年多次41.7%，每月/每周29.7%。

多变量Logistic回归：调整所有变量后，男性使用ChatGPT的几率显著高于女性（aOR=3.09；95% CI：1.36–7.02；p=0.007）。与18-24岁组相比，25-34岁（aOR=0.21）、35-44岁（aOR=0.12）和≥45岁（aOR=0.10）家长的使用几率显著降低。本科教育未达显著（aOR=1.55；p=0.277），研究生教育显著预测更高使用几率（aOR=5.20；95% CI：1.56–17.27；p=0.007）。月收入22,000-44,000土耳其里拉组显著高于最低收入组（aOR=3.38；p=0.033）。与从未参加治疗者相比，每年多次治疗（aOR=4.01；95% CI：1.08–14.92；p=0.038）和每月/每周治疗（aOR=2.75；95% CI：1.01–7.48；p=0.047）均与更高使用几率相关。

模型诊断：Hosmer-Lemeshow检验结果不显著，表明观测值与预测值拟合良好；所有VIF值均低于2.0，不存在多重共线性问题。

讨论与结论

本横断面研究表明，在土耳其SLDs患儿家长中，约三分之一（28.4%）使用ChatGPT获取障碍相关信息，显示生成式AI已渗透儿科康复领域的非正式健康信息环境。然而，AI采用存在显著的社会分层，教育程度是最强的预测因素，这与数字健康文献中关于教育资本和数字素养塑造数字信息工具参与度的观察一致。

从TAM视角，研究发现部分支持该模型的核心命题：感知易用性（PEOU）成功区分了采用者与非采用者，但感知有用性（PU）未达显著，这可能反映了有用性项目的二元化和多领域操作化方式，而非用户缺乏效用感知。研究提示，生成式AI在健康情境中的采用可能更受感知可及性而非感知信息效用的驱动。

教育水平的强预测作用与"第二层级数字鸿沟"框架共振，即AI参与差异不仅反映接入差异，更反映批判性使用和从先进数字工具中获益的能力差异。研究生教育与ChatGPT使用的强关联（aOR=5.20）虽需因小样本量（n=21）和宽置信区间而审慎解释，但方向性明确。

男性家长较高的AI使用率应与具体情境结合解读，可能反映技术采用中的性别差异，也可能与社会文化规范下的数字参与模式有关，不宜直接推广。

治疗出勤频率与ChatGPT使用的正相关关系尤为值得关注。这一发现不符合简单的"替代假说"（即在专业服务有限时用AI作为替代），而支持"补充动态"解释：已嵌入正规照护路径的家长可能整体健康参与度更高，包括数字信息寻求行为。这与美国研究中拥有常规初级保健来源者更少使用ChatGPT的发现形成对比，提示正式医疗参与和AI使用之间的关系具有情境依赖性。

从公共卫生角度，研究强调需要公平导向的AI实施策略。数字健康素养项目、AI工具的社区共同设计、临床场景中的AI素养整合，是避免生成式AI技术扩散加剧现有不平等的可行路径。在土耳其，城乡言语语言治疗服务获取差异显著，将AI素养整合入现有公共卫生和康复服务可能是可行且可扩展的策略。

研究结论部分翻译：本横断面研究表明，在土耳其，约三分之一的SLDs患儿家长（28.4%）报告使用ChatGPT获取障碍相关健康信息。然而，采用远非均匀分布。研究生教育家长的使用几率显著高于高中及以下教育者（aOR=5.20），而本科教育未能独立预测使用（aOR=1.55；p=0.277）。男性家长报告使用的几率约为女性的三倍（aOR=3.09）。值得注意的是，与从未参加治疗者相比，不规律治疗（aOR=4.01）和规律治疗（aOR=2.75）均与更高的ChatGPT使用几率相关，提示参与正规服务的家长可能同时更积极地通过数字工具寻求补充信息。这些发现表明，尽管生成式AI工具具有作为可及信息来源的潜力，但目前其仍主要触达教育和数字资源本就更为优越的群体，而低教育程度家长则相对疏离。生成式AI有潜力扩大信息获取、支持家庭参与儿科康复。但若不针对数字素养和健康结构性决定因素采取靶向努力，这些技术可能无意中加剧健康信息可及性的现有不平等。公平导向的策略——如临床医师引导的AI素养项目、将AI工具整合入正规照护路径、以及社区数字教育——是确保这些收益公平分配的必要条件。未来研究应考察AI采用的纵向趋势、评估AI生成信息对健康结局的影响，并识别减少医疗情境数字不平等的有效策略。